基于高光谱成像的水质污染监测方法技术

本发明专利技术涉及图像处理技术领域，揭露了一种基于高光谱成像的水质污染监测方法，包括：对目标水质的高光谱图像进行图像校正，得到目标校正图像；构建目标校正图像的三维数据图，根据三维数据图对目标校正图像进行主成分降维，得到目标数据图；对目标数据图进行三维特征卷积，得到三维特征图；对三维特征图进行特征重构，得到重构图像，提取重构图像的二维空间特征；根据二维空间特征对高光谱图像进行水质污染程度分类，得到高光谱图像对应的水质污染程度

【技术实现步骤摘要】
基于高光谱成像的水质污染监测方法、装置、设备及介质


[0001]本专利技术涉及图像处理
，尤其涉及一种基于高光谱成像的水质污染监测方法
、
装置
、
设备及介质
。

技术介绍

[0002]水是生命之源
、
生产之要
、
生态之基，水污染是当今社会环境污染的主要来源之一，自然水体环境一旦恶化将会严重威胁到人类的生存和发展
。
由于工业化进程的不断加快，城市不断外拓，人类长期以来侧重经济的发展，而忽略了自然生态健康的重要性，同时水污染防治力度没有跟上与日俱增的工业化生产速度，水质的污染不仅破坏了当地的生态环境，还严重威胁到了广大人民的用水安全，给整个社会的经济发展带来了无法估量的损失，造成了极其恶劣的影响
。
因此，如何能够准确地对水质的污染情况进行监测，以快速地对水质进行治理成为亟待解决的问题
。
[0003]目前的水质污染监测方法主要是把若干个传感器采集到的信息进行融合，从而得出更全面的数据收集结果
。
例如，基于
Lansat8/OLI
卫星微型遥感资料，采用
Delft3D
水质动力学模式，实现对水体中溶解氧
、
氨氮和高锰酸钾等水质参数的定量反演进行水质污染监测，或使用传感器和异构无线网络来采集和传输数据，并使用云服务器平台来完成远程数据的存储，对水质污染进行监测
。
但上述传统的水质污染监测方法在实际运行与应用过程中存在监测精度低等问题，因此，如何提高水质污染监测的精确度成为亟待解决的问题
。

技术实现思路

[0004]本专利技术提供一种基于高光谱成像的水质污染监测方法
、
装置
、
设备及介质，其主要目的在于解决水质污染监测的精确度较低的问题
。
[0005]为实现上述目的，本专利技术提供的一种基于高光谱成像的水质污染监测方法，包括：
[0006]获取目标水质的高光谱图像，对所述高光谱图像进行图像校正，得到目标校正图像；
[0007]构建所述目标校正图像的三维数据图，根据所述三维数据图对所述目标校正图像进行主成分降维，得到目标数据图；
[0008]对所述目标数据图进行不同尺度的三维特征卷积，得到所述目标数据图的三维特征图；
[0009]对所述三维特征图进行特征重构，得到所述三维特征图的重构图像，提取所述重构图像的二维空间特征；
[0010]根据所述二维空间特征对所述高光谱图像进行水质污染程度分类，得到所述高光谱图像对应的水质污染程度
。
[0011]可选地，所述对所述高光谱图像进行图像校正，得到目标校正图像，包括：
[0012]获取所述高光谱图像对应的背景板高光谱图像；
[0013]利用所述背景板高光谱图像进行图像校正，得到目标校正图像；
[0014]利用如下公式对所述高光谱图像进行图像校正：
[0015][0016]其中，
I
表示目标校正图像，
I
r
表示所述高光谱图像，
I
b
表示所述背景板高光谱图像中的黑色背景板高光谱图像，
I
w
表示所述背景板高光谱图像中的白色背景板高光谱图像
。
[0017]可选地，所述构建所述目标校正图像的三维数据图，包括：
[0018]提取所述目标校正图像中的图像尺寸数据及图像维度数；
[0019]根据所述图像尺寸数据及所述图像维度数生成所述目标校正图像的三维数据图
。
[0020]可选地，所述根据所述三维数据图对所述目标校正图像进行主成分降维，得到目标数据图，包括：
[0021]根据所述三维数据图确定所述目标校正图像中每个图像像素的像素特征；
[0022]对所述像素特征进行标准化，得到标准像素特征，构建所述标准像素特征的协方差矩阵；
[0023]对所述协方差矩阵进行特征分解，得到所述协方差矩阵对应的特征值与特征向量；
[0024]根据所述特征值选取预设数目的特征向量构建特征向量矩阵，根据所述特征向量矩阵生成所述目标校正图像的目标数据图
。
[0025]可选地，所述对所述目标数据图进行不同尺度的三维特征卷积，得到所述目标数据图的三维特征图，包括：
[0026]利用预构建的三维卷积神经网络中的三维卷积层对所述目标数据图进行特征卷积，得到不同三维卷积层对应的卷积特征；
[0027]对所述卷积特征进行特征激活，得到所述目标数据图对应的输出特征；
[0028]对所述输出特征进行注意力计算，得到所述目标数据图的三维特征图
。
[0029]可选地，所述对所述输出特征进行注意力计算，得到所述目标数据图的三维特征图，包括：
[0030]对所述输出特征进行三维全局平均池化以及三维全局最大池化操作，得到平均池化特征图以及全局池化特征图；
[0031]分别对所述平均池化特征图以及所述全局池化特征图进行三维卷积及特征激活，得到激活平均特征图以及激活全局特征图；
[0032]根据所述激活平均特征图以及所述激活全局特征图计算所述输出特征的权重系数，将所述权重系数与所述输出特征相乘，得到所述目标数据图的三维特征图
。
[0033]可选地，所述提取所述重构图像的二维空间特征，包括：
[0034]利用预构建的二维卷积层对所述重构图像进行卷积，得到所述重构图像的二维卷积图；
[0035]对所述二维卷积图进行激活，得到所述重构图像的二维特征图；
[0036]对所述二维特征图进行扁平化处理及全连接，得到所述重构图像的二维空间特征
。
[0037]为了解决上述问题，本专利技术还提供一种基于高光谱成像的水质污染监测装置，所述装置包括：
[0038]图像校正模块，用于获取目标水质的高光谱图像，对所述高光谱图像进行图像校正，得到目标校正图像；
[0039]主成分降维模块，用于构建所述目标校正图像的三维数据图，根据所述三维数据图对所述目标校正图像进行主成分降维，得到目标数据图；
[0040]三维特征卷积模块，用于对所述目标数据图进行不同尺度的三维特征卷积，得到所述目标数据图的三维特征图；
[0041]二维空间特征提取模块，用于对所述三维特征图进行特征重构，得到所述三维特征图的重构图像，提取所述重构图像的二维空间特征；
[0042]水质污染程度分类模块，用于根据所述二维空间特征对所述高光谱图像进行水质污染程度分类，得到所述高光谱图像对应的水质污染程度
。
[0043]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0044]至少一个处理器；以及，
[0045]与所述至少一个处理器通信连接的存储器；其中，
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于高光谱成像的水质污染监测方法，其特征在于，所述方法包括：获取目标水质的高光谱图像，对所述高光谱图像进行图像校正，得到目标校正图像；构建所述目标校正图像的三维数据图，根据所述三维数据图对所述目标校正图像进行主成分降维，得到目标数据图；对所述目标数据图进行不同尺度的三维特征卷积，得到所述目标数据图的三维特征图；对所述三维特征图进行特征重构，得到所述三维特征图的重构图像，提取所述重构图像的二维空间特征；根据所述二维空间特征对所述高光谱图像进行水质污染程度分类，得到所述高光谱图像对应的水质污染程度
。2.
如权利要求1所述的基于高光谱成像的水质污染监测方法，其特征在于，所述对所述高光谱图像进行图像校正，得到目标校正图像，包括：获取所述高光谱图像对应的背景板高光谱图像；利用所述背景板高光谱图像进行图像校正，得到目标校正图像；利用如下公式对所述高光谱图像进行图像校正：其中，
I
表示目标校正图像，
I
r
表示所述高光谱图像，
I
b
表示所述背景板高光谱图像中的黑色背景板高光谱图像，
I
w
表示所述背景板高光谱图像中的白色背景板高光谱图像
。3.
如权利要求1所述的基于高光谱成像的水质污染监测方法，其特征在于，所述构建所述目标校正图像的三维数据图，包括：提取所述目标校正图像中的图像尺寸数据及图像维度数；根据所述图像尺寸数据及所述图像维度数生成所述目标校正图像的三维数据图
。4.
如权利要求1所述的基于高光谱成像的水质污染监测方法，其特征在于，所述根据所述三维数据图对所述目标校正图像进行主成分降维，得到目标数据图，包括：根据所述三维数据图确定所述目标校正图像中每个图像像素的像素特征；对所述像素特征进行标准化，得到标准像素特征，构建所述标准像素特征的协方差矩阵；对所述协方差矩阵进行特征分解，得到所述协方差矩阵对应的特征值与特征向量；根据所述特征值选取预设数目的特征向量构建特征向量矩阵，根据所述特征向量矩阵生成所述目标校正图像的目标数据图
。5.
如权利要求1所述的基于高光谱成像的水质污染监测方法，其特征在于，所述对所述目标数据图进行不同尺度的三维特征卷积，得到所述目标数据图的三维特征图，包括：利用预构建的三维卷积神经网络中的三维卷积层对所述目标数据图进行特征卷积，得到不同三维卷积层对应的卷积特征；对所述卷...

【专利技术属性】
技术研发人员：谭志吾，邓文文，
申请(专利权)人：深圳市中科云驰环境科技有限公司，
类型：发明
国别省市：